مصاحبه یرگین باگرینزپن رئیس پیشین فدرال رزرو آمریکا
حوزه‌های تخصصی:
فیلترهای جستجو:
فیلتری انتخاب نشده است.
نمایش ۲٬۵۸۱ تا ۲٬۶۰۰ مورد از کل ۴٬۰۶۵ مورد.
مخالفان حذف رانت با چهره دلسوز و خیرخواه ظاهر می شوند
حوزه‌های تخصصی:
بانک ها در حصار
قدرت طبیعت
حوزه‌های تخصصی:
موسسه بیمه ای گلف
چرا فرآیند رشد در کشور ایران ، مستلزم نگاهی ورای منابع انرژی کشور می باشد
حوزه‌های تخصصی:
بیمه عدم النفع در حقوق ایران با مطالعه تطبیقی در فقه امامیه و حقوق انگلستان
حوزه‌های تخصصی:
یمه عدم النفع یکی از انواع بیمه های زیان پولی است که در آن، موضوع تعهد بیمه گر، پرداخت وجه نقد معینی - متناسب با زیان وارد به بیمه گذار بر اثر وقفه در جریان تولید - به علت خسارت مادی است. چنانچه براثر خسارت مادی، وقفه ای در جریان تولید یک بنگاه صنعتی پیش آید، بیمه گر عدم النفع، درآمد و سود ازدست رفته ناشی از توقف تولید را براساس شروط قرارداد بیمه عدم النفع جبران می کند. ضمناً آن بخش از هزینه هایی که بیمه گذار، اضافه بر توقف تولید تحمل کرده است را نیز جبران می نماید. این مقاله، بررسی این نوع بیمه است که در دو مبحث عدم النفع، مبانی و شرایط آن و بیمه عدم النفع، انعقاد و انواع آن ارائه شده است. البته در جای جای این مقاله به مطالعه مباحث فوق در فقه امامیه و حقوق انگلستان پرداخته شده است. در پایان نیز با بیان علل عدم رشد بیمه عدم النفع، راهکارهای توسعه آن بیان شده است.
کاربرد شبکه های عصبی در رتبه بندی اعتباری متقاضیان وام فروش اقساطی(مقاله علمی وزارت علوم)
حوزه‌های تخصصی:
روش های سنتی تصمیم گیری در مورد اعطای اعتبار به متقاضیان وام، همانند آنچه که اکنون در کشور ما انجام می گیرد، بر پایه قضاوت شخصی در مورد خطر عدم باز پرداخت استوار است. با این وجود، فشارهای اقتصادی ناشی از افزایش تقاضا برای شکل های مختلف اعتبار، در کنار رقابت های تجاری گسترده و تلاش موسسات مالی و بانک ها برای پایین آوردن در صد عدم باز پرداخت، موجب افزایش به کارگیری روش های آماری در زمینه اعطای اعتبار شده است. رتبه بندی اعتباری به منظور پیش بینی احتمال کوتاهی در بازپرداخت و یا عدم باز پرداخت و یا معادل آن برای طبقه بندی متقاضیان اعتبار به دو گروه ریسک خوب و ریسک بد مورد استفاده قرار می گیرد. از جمله مزایای این روش می توان به صرفه جویی در زمان، صرفه جویی در هزینه، حذف قضاوت های شخصی و افزایش دقت در ارزیابی متقاضیان وام اشاره کرد. روش های آماری مختلفی از جمله آنالیز ممیزی، رگرسیون لجستیک، روشهای هموارسازی نا پارامتری وشبکه های عصبی در زمینه رتبه بندی اعتباری مورد استفاده قرار گرفته اند. در این میان، "شبکه های عصبی" به دلیل انعطاف پذیری بالاتر، در سال های اخیر بیشتر مورد توجه قرار گرفته اند. در این مقاله، یک مدل شبکه عصبی برای طبقه بندی متقاضیان دریافت وام فروش اقساطی ارائه و سپس عملکرد این مدل را با دو مدل آماری آنالیز ممیزی و رگرسیون لجستیک مقایسه می کنیم. نتایج حاصل از این مقایسه نشان می دهد که مدل شبکه عصبی در مقایسه با سایر مدل های مورد مطالعه، از کارایی و دقت بالاتری برخوردار است.